Étude de réseaux de neurones récurrents pour l'étiquetage de séquences - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2016

Étude de réseaux de neurones récurrents pour l'étiquetage de séquences

Résumé

Dans cet article nous étudions plusieurs types de réseaux neuronaux récurrents (RNN) pour l'éti-quetage de séquences. Nous proposons deux nouvelles variantes de RNN et nous les comparons aux variantes plus classiques de type Jordan et Elman. Nous expliquons en détails quels sont les avantages de nos nouvelles variantes par rapport aux autres RNN. Nous évaluons tous les modèles, les nouvelles variantes ainsi que les RNN existants, sur deux tâches de compréhension de la parole : ATIS et MEDIA. Les résultats montrent que nos nouvelles variantes de RNN sont plus efficaces que les autres. ABSTRACT A study of Recurrent Neural Networks for Sequence Labelling In this paper we study different types of Recurrent Neural Networks (RNNs) for sequence labelling tasks. We propose two new types of RNNs and we compare them to the more traditional Elman and Jordan RNNs. We compare all models on two different tasks of sequence labelling, namely ATIS and MEDIA. The results show that the new variants of RNNs are more effective than the others. MOTS-CLÉS : Réseaux de neurones récurrents, étiquetage de séquences, compréhension de la parole.
Fichier principal
Vignette du fichier
TALN2016_RNN_final-submission.pdf (326.82 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01489982 , version 1 (14-03-2017)

Identifiants

  • HAL Id : hal-01489982 , version 1

Citer

Marco Dinarelli, Isabelle Tellier. Étude de réseaux de neurones récurrents pour l'étiquetage de séquences. Traitement Automatique des Langues Naturelles (TALN), Jul 2016, Paris, France. ⟨hal-01489982⟩
377 Consultations
1929 Téléchargements

Partager

Gmail Facebook X LinkedIn More